应用数学如何影响某中心的预测技术
Danielle Maddix Robinson，一位资深应用科学家，在某个大型科技中心专注于时间序列预测，以满足其客户的多样化需求。她的数学背景帮助构建了能够预测从零售需求到流行病学等众多领域的稳健模型。
新冠疫情带来的预测挑战
当新冠疫情爆发时，它提出了与常规零售需求预测截然不同的挑战。核心问题是：基于目前的病例数，未来预期的感染、康复和死亡人数是多少？虽然某中心长期使用计算机模型来预测零售需求，但Maddix Robinson希望探索这些算法能否应用于公共卫生危机。答案是不完全适用。
改进新冠预测
此前在某中心业务中成功应用的深度学习技术依赖于大量数据。然而，疫情初期，可用于预测的数据严重不足。
“我们发现，这些深度学习模型开箱即用的表现并不如我们所愿，” Maddix Robinson表示。
同时，通常用于预测流行病的基于物理的模型也并非完美。这些方法使用常微分方程来计算疾病轨迹的不同阶段或“隔室”，从易感、暴露到感染。隔室模型在预测感染和康复方面表现更好，而深度学习模型在预测死亡方面更准确。
Maddix Robinson及其在某中心和加州大学圣地亚哥分校的同事们提出了第三种方法：结合ODE和机器学习。事实证明，这种混合方法改进了单纯的机器学习模型和隔室模型。与其他深度学习模型相比，在对新冠疫情轨迹进行一周前预测时，其平均绝对误差降低了57.4%。
由此产生的论文《AutoODE: 为新冠预测桥接基于物理和数据驱动的建模》在2020年12月的NeurIPS公共卫生机器学习研讨会上获得了最佳论文奖。该论文展示了融合不同建模范式的价值。
数学背景与职业道路
Maddix Robinson于2021年4月晋升为高级应用科学家。她表示：“我非常喜欢这个角色的一个原因是它对核心数学建模的重视，这正好与我的背景相符。”
在加州大学伯克利分校攻读本科时，她对生物化学和数学都感兴趣。但在修完所有微积分和线性代数课程后，她“真正爱上了数学”，并将其视为一种通用语言。她最终获得了应用数学学士学位。
从小在加利福尼亚州阿拉米达长大的Maddix Robinson很早就对数学产生了兴趣——她喜欢解决问题的感觉。她的母亲——一位在劳伦斯利弗莫尔国家实验室工作的数学家——为她提供了帮助和鼓励。
“在年轻的时候看到一位女性榜样，这让我很想追求数学事业，”她说。她母亲的数学模型被用于劳伦斯利弗莫尔的地球科学研究。“所以从小，我就一直对如何运用数学解决实际问题感兴趣。这是我在某中心的这个角色中非常喜欢的一点。”
从学术界到产业界
在攻读博士学位期间，Maddix Robinson通过在学术界、产业界和国家研究实验室的职位来寻找最适合自己的道路。她在斯坦福大学授课，并在劳伦斯伯克利国家实验室和桑迪亚国家实验室进行研究工作。她还在英伟达担任软件工程师实习生，在那里为公司的cuSPARSE库研究GPU处理的线性代数算法。
“那是一段非常好的编程经验，混合了数学，”她谈到在英伟达的时光时说，“这让我感觉到我真的很喜欢产业界。”
在博士工作的最后一年，Maddix Robinson正在评估不同的工作机会。她对某中心人工智能科学家在2017年机器学习大会上展示的工作很感兴趣。她被该机构人工智能的使命和方法所吸引：它是研究导向的，有机会发表论文，但又节奏快，专注于交付产品。
工作理念与团队协作
解决团队工作中可能遇到的艰巨挑战需要愿意一步一步地处理。“模糊不清的问题正是研究的核心，” Maddix Robinson说。“所以我想说，不要一开始就被看似模糊的东西吓倒。把它分解成核心的子问题。”
她也很欣赏通过暑期实习项目指导和教授研究生。“我们的团队非常协作且跨学科，”她说。“每个人都乐于帮助彼此学习和成长。这是一个非常支持的环境，我发现这与学术界相似，我很喜欢。”
Maddix Robinson指出，教导他人有一个重要的附带好处。思考如何清晰地解释一个概念有助于她更深入地理解它。
“归根结底，”她说，“我们寻找的不是最复杂的解决方案，而是简单高效的解决方案。”
